Análisis de Genotipificación

Perros y Ganado Holstein - Modelo de Negocio de Logística y Análisis de Datos

Author

Erick Cuevas Fernández

Published

November 12, 2025

1 Resumen Ejecutivo

Este reporte integra análisis de dos mercados de genotipificación complementarios: perros (mascotas) y ganado Holstein (producción lechera). Presenta un modelo de negocio diferenciado basado en logística y análisis de datos, con estrategia de precios competitivos que generan márgenes saludables (40-50%).

1.1 Hallazgos Clave

Code

hallazgos <- data.frame(
  Aspecto = c(
    "Mercado Perros - Tamaño Global 2024",
    "Mercado Ganado - Tamaño Global 2024",
    "Crecimiento Perros (CAGR)",
    "Crecimiento Ganado (CAGR)",
    "Adopción Genotipificación Perros",
    "Adopción Genotipificación Ganado",
    "Precio Promedio Prueba",
    "Margen Bruto Objetivo",
    "Punto de Equilibrio Mensual",
    "Inversión Inicial Requerida"
  ),
  Valor = c(
    "USD 2.8 billones",
    "USD 3.70 billones",
    "8.5%",
    "6.60%",
    "~15%",
    "~8%",
    "USD 45-110",
    "40-50%",
    "1,140 pruebas/mes",
    "USD 165,500"
  ),
  Implicación = c(
    "Mercado en crecimiento acelerado",
    "Mercado más grande pero crecimiento moderado",
    "Oportunidad de volumen rápido",
    "Oportunidad de margen y estabilidad",
    "85% del mercado sin adoptar",
    "92% del mercado sin adoptar",
    "Competitivo vs proveedores directos",
    "Viabilidad operacional",
    "Alcanzable en mes 5",
    "Financiable con inversión moderada"
  )
)

kable(hallazgos,
      caption = "Hallazgos Clave del Análisis Integrado",
      booktabs = TRUE) %>%
  kable_styling(bootstrap_options = c("striped", "hover"),
                full_width = TRUE,
                font_size = 10)

Hallazgos Clave del Análisis Integrado
Aspecto	Valor	Implicación
Mercado Perros - Tamaño Global 2024	USD 2.8 billones	Mercado en crecimiento acelerado
Mercado Ganado - Tamaño Global 2024	USD 3.70 billones	Mercado más grande pero crecimiento moderado
Crecimiento Perros (CAGR)	8.5%	Oportunidad de volumen rápido
Crecimiento Ganado (CAGR)	6.60%	Oportunidad de margen y estabilidad
Adopción Genotipificación Perros	~15%	85% del mercado sin adoptar
Adopción Genotipificación Ganado	~8%	92% del mercado sin adoptar
Precio Promedio Prueba	USD 45-110	Competitivo vs proveedores directos
Margen Bruto Objetivo	40-50%	Viabilidad operacional
Punto de Equilibrio Mensual	1,140 pruebas/mes	Alcanzable en mes 5
Inversión Inicial Requerida	USD 165,500	Financiable con inversión moderada

2 Parte 1: Análisis Comparativo de Mercados

2.1 Comparación de Tamaño y Crecimiento

Code

# Cargar datos comparativos
comparativo <- read_csv("datos_comparativo_mercados.csv")

# Crear visualización de tamaño de mercado
datos_mercado_comp <- data.frame(
  Mercado = c("Perros", "Ganado Holstein"),
  Tamaño_2024 = c(2.8, 3.70),
  Proyección_2030 = c(4.2, 5.20),
  CAGR = c(8.5, 6.60)
)

p1 <- ggplot(datos_mercado_comp, aes(x = Mercado, y = Tamaño_2024, fill = Mercado)) +
  geom_bar(stat = "identity", alpha = 0.7) +
  geom_text(aes(label = paste0("USD ", Tamaño_2024, "B")), vjust = -0.5, size = 4, fontface = "bold") +
  scale_fill_manual(values = c("Perros" = color_perros, "Ganado Holstein" = color_ganado)) +
  labs(
    title = "Tamaño del Mercado Global 2024",
    subtitle = "Mercado de Genética Animal (USD Billones)",
    x = "",
    y = "Tamaño de Mercado (USD Billones)",
    caption = "Fuente: Grand View Research 2024, Mordor Intelligence 2025"
  ) +
  theme(legend.position = "none",
        axis.text.x = element_text(size = 11, face = "bold"))

p2 <- ggplot(datos_mercado_comp, aes(x = Mercado, y = CAGR, fill = Mercado)) +
  geom_bar(stat = "identity", alpha = 0.7) +
  geom_text(aes(label = paste0(CAGR, "%")), vjust = -0.5, size = 4, fontface = "bold") +
  scale_fill_manual(values = c("Perros" = color_perros, "Ganado Holstein" = color_ganado)) +
  labs(
    title = "Tasa de Crecimiento Anual (CAGR)",
    subtitle = "Proyección 2024-2030",
    x = "",
    y = "CAGR (%)",
    caption = "Fuente: Grand View Research 2024, Mordor Intelligence 2025"
  ) +
  theme(legend.position = "none",
        axis.text.x = element_text(size = 11, face = "bold"))

grid.arrange(p1, p2, ncol = 2)

El mercado de perros crece más rápido (8.5% vs 6.60%), pero el mercado de ganado es actualmente más grande. Ambos presentan oportunidades significativas de crecimiento.

2.2 Análisis de Adopción y Oportunidad

Code

# Datos de adopción
adopcion <- data.frame(
  Mercado = c("Perros", "Ganado Holstein"),
  Adopcion_Actual = c(15, 8),
  Oportunidad = c(85, 92)
)

adopcion_long <- adopcion %>%
  pivot_longer(cols = -Mercado, names_to = "Tipo", values_to = "Porcentaje") %>%
  mutate(Tipo = case_when(
    Tipo == "Adopcion_Actual" ~ "Mercado Actual",
    Tipo == "Oportunidad" ~ "Oportunidad de Crecimiento"
  ))

p3 <- ggplot(adopcion_long, aes(x = Mercado, y = Porcentaje, fill = Tipo)) +
  geom_bar(stat = "identity", position = "stack") +
  scale_fill_manual(values = c("Mercado Actual" = color_positivo, 
                               "Oportunidad de Crecimiento" = "#FCD34D")) +
  geom_text(aes(label = paste0(Porcentaje, "%")), 
            position = position_stack(vjust = 0.5), 
            size = 4, fontface = "bold", color = "white") +
  labs(
    title = "Adopción Actual vs Oportunidad de Crecimiento",
    subtitle = "Porcentaje de mercado potencial",
    x = "",
    y = "Porcentaje (%)",
    fill = "Segmento",
    caption = "Fuente: Análisis de Mercado 2024"
  ) +
  scale_y_continuous(limits = c(0, 100)) +
  theme(axis.text.x = element_text(size = 11, face = "bold"))

ggplotly(p3)

Ambos mercados tienen oportunidad de crecimiento masiva (85-92% sin adoptar). Esto representa potencial de escalabilidad significativo.

2.3 Comparación de Características Clave

Code

comparacion_detallada <- data.frame(
  Característica = c(
    "Ciclo de Decisión",
    "Sensibilidad al Precio",
    "Poder de Compradores",
    "Rivalidad Competitiva",
    "Barreras de Entrada",
    "Potencial de Escalabilidad",
    "Valor por Transacción",
    "Frecuencia de Compra"
  ),
  Perros = c(
    "Corto (1-2 meses)",
    "Alta",
    "Alto",
    "Media",
    "Moderadas",
    "Alto",
    "Bajo-Medio (USD 45-80)",
    "Baja (1-2 pruebas/año)"
  ),
  Ganado = c(
    "Largo (3-6 meses)",
    "Media",
    "Medio-Alto",
    "Alta",
    "Altas",
    "Muy Alto",
    "Medio-Alto (USD 55-110)",
    "Media (múltiples pruebas/año)"
  ),
  Implicación = c(
    "Perros: adopción rápida; Ganado: decisión meditada",
    "Perros: énfasis en precio; Ganado: énfasis en valor",
    "Perros: negociación fuerte; Ganado: moderada",
    "Ganado: mercado más competitivo",
    "Ganado: requiere más inversión inicial",
    "Ganado: potencial de crecimiento mayor",
    "Ganado: ingresos por cliente más altos",
    "Ganado: ingresos más recurrentes"
  )
)

kable(comparacion_detallada,
      caption = "Comparación Detallada de Características de Mercado",
      booktabs = TRUE) %>%
  kable_styling(bootstrap_options = c("striped", "hover"),
                full_width = TRUE,
                font_size = 9)

Comparación Detallada de Características de Mercado
Característica	Perros	Ganado	Implicación
Ciclo de Decisión	Corto (1-2 meses)	Largo (3-6 meses)	Perros: adopción rápida; Ganado: decisión meditada
Sensibilidad al Precio	Alta	Media	Perros: énfasis en precio; Ganado: énfasis en valor
Poder de Compradores	Alto	Medio-Alto	Perros: negociación fuerte; Ganado: moderada
Rivalidad Competitiva	Media	Alta	Ganado: mercado más competitivo
Barreras de Entrada	Moderadas	Altas	Ganado: requiere más inversión inicial
Potencial de Escalabilidad	Alto	Muy Alto	Ganado: potencial de crecimiento mayor
Valor por Transacción	Bajo-Medio (USD 45-80)	Medio-Alto (USD 55-110)	Ganado: ingresos por cliente más altos
Frecuencia de Compra	Baja (1-2 pruebas/año)	Media (múltiples pruebas/año)	Ganado: ingresos más recurrentes

3 Parte 2: Modelo de Negocio - Logística y Análisis de Datos

3.1 Propuesta de Valor Diferenciada

OMICs analysis se posiciona como intermediaria especializada que NO realiza extracción de ADN ni crea microarreglos. La ventaja competitiva se basa en tres pilares:

1. Logística Optimizada: Recolección de muestras desde ubicación del cliente, coordinación con múltiples proveedores, gestión de tiempos de procesamiento, entrega de resultados y seguimiento completo.

2. Análisis de Datos Especializado: Interpretación de resultados genómicos en contexto específico del cliente, recomendaciones accionables, reportes personalizados e integración con datos históricos del cliente.

3. Interfaz con Cliente: Plataforma digital unificada, educación técnica, soporte al cliente responsivo, comunidad de usuarios y consultoría especializada.

3.2 Estructura de Costos y Márgenes

3.2.1 Costo tentativos extracción de ADN

Code

library(knitr)

# Create the data frame
df <- data.frame(
  Laboratorio = c(
    "Cinvestav (Público)",
    "Cinvestav (Público)",
    "Lanbama IPICYT (Público)",
    "Banco Nacional de ADN (Público)",
    "Laboratorios Ruiz (Privado)",
    "EasyDNA (Privado)",
    "Laboratorio Hera (Privado)"
  ),
  Servicio = c(
    "Extracción de DNA genómico de alto peso molecular",
    "Extracción de DNA nuclear de alto peso molecular",
    "Extracción de ADN plantas-hongos",
    "Extracción de ácidos nucleicos (ADN)",
    "Procesamiento de muestras ADN",
    "Extracción de ADN de muestras alternativas",
    "Análisis de muestras forenses para extracción ADN"
  ),
  Costo = c(
    "$44.03 USD + IVA",
    "$101.00 USD + IVA",
    "$574.00 MXN",
    "Contactar para precios",
    "$1,486.00 - $2,122.86 MXN",
    "$1,695 MXN por muestra",
    "$2,000.00 MXN adicional"
  ),
  Descripcion = c(
    "Para muestras de plantas. Incluye molienda del material biológico.",
    "Para muestras de plantas. Incluye molienda del material biológico.",
    "Para muestras de plantas y hongos.",
    "Para muestras de sangre periférica (fresca o congelada), cultivos, cualquier lisado celular. Proceso automatizado.",
    "Procesamiento de muestras de ADN para análisis clínicos. Requiere cita.",
    "Para diversas muestras alternativas como sangre en filtro, semen, uñas, tejido, pelo, etc. Expertos en pruebas forenses.",
    "Para muestras como cabello, manchas de sangre/saliva en prendas, etc. Se añade al precio de perfil de ADN o prueba."
  ),
  Link = c(
    "https://svt.cinvestav.mx/Oferta-de-Servicios/Servicios-Genómicos",
    "https://svt.cinvestav.mx/Oferta-de-Servicios/Servicios-Genómicos",
    "https://lanbama.ipicyt.edu.mx/lista_de_precios_BM.php",
    "https://www.bancoadn.org/servicios",
    "https://laboratoriosruiz.com/estudios/analisis-clinicos/procesamiento-de-muestras-adn-2",
    "https://www.easydna.com.mx/recursos-alternativos-adn/",
    "https://dnaprofile.com.mx/precios.php"
  ),
  stringsAsFactors = FALSE
)

# Display with kable
kable(df, caption = "Servicios de extracción de ADN en México",
      col.names = c("Laboratorio", "Servicio", "Costo", "Descripción", "Link"),
      booktabs = TRUE) %>%
  kable_styling(bootstrap_options = c("striped", "hover"),
                full_width = TRUE)

Servicios de extracción de ADN en México
Laboratorio	Servicio	Costo	Descripción	Link
Cinvestav (Público)	Extracción de DNA genómico de alto peso molecular	$44.03 USD + IVA	Para muestras de plantas. Incluye molienda del material biológico.	https://svt.cinvestav.mx/Oferta-de-Servicios/Servicios-Genómicos
Cinvestav (Público)	Extracción de DNA nuclear de alto peso molecular	$101.00 USD + IVA	Para muestras de plantas. Incluye molienda del material biológico.	https://svt.cinvestav.mx/Oferta-de-Servicios/Servicios-Genómicos
Lanbama IPICYT (Público)	Extracción de ADN plantas-hongos	$574.00 MXN	Para muestras de plantas y hongos.	https://lanbama.ipicyt.edu.mx/lista_de_precios_BM.php
Banco Nacional de ADN (Público)	Extracción de ácidos nucleicos (ADN)	Contactar para precios	Para muestras de sangre periférica (fresca o congelada), cultivos, cualquier lisado celular. Proceso automatizado.	https://www.bancoadn.org/servicios
Laboratorios Ruiz (Privado)	Procesamiento de muestras ADN	$1,486.00 - $2,122.86 MXN	Procesamiento de muestras de ADN para análisis clínicos. Requiere cita.	https://laboratoriosruiz.com/estudios/analisis-clinicos/procesamiento-de-muestras-adn-2
EasyDNA (Privado)	Extracción de ADN de muestras alternativas	$1,695 MXN por muestra	Para diversas muestras alternativas como sangre en filtro, semen, uñas, tejido, pelo, etc. Expertos en pruebas forenses.	https://www.easydna.com.mx/recursos-alternativos-adn/
Laboratorio Hera (Privado)	Análisis de muestras forenses para extracción ADN	$2,000.00 MXN adicional	Para muestras como cabello, manchas de sangre/saliva en prendas, etc. Se añade al precio de perfil de ADN o prueba.	https://dnaprofile.com.mx/precios.php

3.2.2 Costo de Microarreglos para Genotipificación

Code

library(gt)

# Create the data frame
df <- data.frame(
  Provider = c(
    "Illumina",
    "Illumina/Neogen",
    "Thermo Fisher",
    "Thermo Fisher",
    "Thermo Fisher",
    "Illumina",
    "Illumina",
    "Neogen",
    "Neogen",
    "Thermo Fisher",
    "Thermo Fisher"
  ),
  Species = c(
    "Dog",
    "Dog",
    "Dog",
    "Dog",
    "Dog",
    "Holstein Cow (Bovine)",
    "Holstein Cow (Bovine)",
    "Holstein Cow (Bovine)",
    "Holstein Cow (Bovine)",
    "Holstein Cow (Bovine)",
    "Holstein Cow (Bovine)"
  ),
  `Array Name` = c(
    "CanineSNP20 BeadChip",
    "CanineHD BeadChip",
    "Axiom Canine HD Genotyping Array",
    "Axiom Canine Genotyping Array Set A",
    "Axiom Canine Genotyping Array Set B",
    "BovineSNP50 BeadChip",
    "BovineHD BeadChip",
    "GGP Bovine 100K",
    "GGP Bovine 150K",
    "Axiom Bovine Genotyping v3 Array",
    "Axiom Genome-Wide BOS 1 Bovine Array"
  ),
  Type = c(
    "Basic",
    "Complex",
    "Complex",
    "Complex",
    "Complex",
    "Basic",
    "Complex",
    "Basic/Medium",
    "Complex",
    "Basic",
    "Complex"
  ),
  Description = c(
    "Features more than 22,000 evenly-spaced SNPs across the entire dog genome for basic genotyping.",
    "Contains over 230,000 SNPs for high-density genotyping, enabling genome-wide association studies (GWAS), quantitative trait loci (QTL) identification, and comparative genetic studies in any dog breed.",
    "Includes 712,893 SNPs for traits, disorders, and parentage verification in dogs.",
    "Features 460,000 SNPs for canine genotyping.",
    "Features 670,000 SNPs for canine genotyping.",
    "Contains 54,609 SNPs evenly spaced across the bovine genome, suitable for genome characterization of major dairy and beef cattle breeds including Holstein.",
    "Features over 777,000 SNPs for comprehensive genome-wide genotyping, compatible with any breed including Holstein cows.",
    "Includes 100,000 markers with comprehensive content for genetic merit evaluation, genome-wide selection, and parentage verification in beef and dairy breeds including Holstein.",
    "High-density array with 150,000 SNPs for elite seedstock, donor dams, and high-impact cattle, suitable for advanced genotyping in Holstein.",
    "Contains 63,988 SNPs for bovine genotyping, applicable to Holstein cows.",
    "Features 648,855 SNPs for genome-wide bovine genotyping, suitable for Holstein."
  ),
  Cost = c(
    "Contact for pricing",
    "$103 per sample",
    "Contact for pricing",
    "Contact for pricing",
    "Contact for pricing",
    "Contact for pricing",
    "Contact for pricing",
    "$43 per sample",
    "Contact for pricing",
    "Contact for pricing",
    "Contact for pricing"
  ),
  Link = c(
    "https://www.illumina.com/content/dam/illumina-marketing/documents/products/datasheets/datasheet_caninesnp20.pdf",
    "https://www.neogen.com/en/categories/genotyping-arrays/illumina-caninehd-beadchip/",
    "https://www.thermofisher.com/order/catalog/product/550869",
    "https://www.thermofisher.com/order/catalog/product/550771",
    "https://www.thermofisher.com/order/catalog/product/550772",
    "https://www.illumina.com/products/by-type/microarray-kits/bovine-snp50.html",
    "https://www.illumina.com/products/by-type/microarray-kits/bovinehd.html",
    "https://www.neogen.com/en/categories/genotyping-arrays/ggp-bovine-100k/",
    "https://www.neogen.com/en/categories/genotyping-arrays/ggp-bovine-150k/",
    "https://www.thermofisher.com/order/catalog/product/551090",
    "https://www.thermofisher.com/order/catalog/product/901791"
  ),
  stringsAsFactors = FALSE
)

kable(df,
      caption = "Precios de genotipificación",
      col.names = c("Proveedor", "Especie", "Arreglo", "Tipo", "Descripción", "Costo", "Link"),
      booktabs = TRUE) %>%
  kable_styling(bootstrap_options = c("striped", "hover"),
                full_width = TRUE)

Precios de genotipificación
Proveedor	Especie	Arreglo	Tipo	Descripción	Costo	Link
Illumina	Dog	CanineSNP20 BeadChip	Basic	Features more than 22,000 evenly-spaced SNPs across the entire dog genome for basic genotyping.	Contact for pricing	https://www.illumina.com/content/dam/illumina-marketing/documents/products/datasheets/datasheet_caninesnp20.pdf
Illumina/Neogen	Dog	CanineHD BeadChip	Complex	Contains over 230,000 SNPs for high-density genotyping, enabling genome-wide association studies (GWAS), quantitative trait loci (QTL) identification, and comparative genetic studies in any dog breed.	$103 per sample	https://www.neogen.com/en/categories/genotyping-arrays/illumina-caninehd-beadchip/
Thermo Fisher	Dog	Axiom Canine HD Genotyping Array	Complex	Includes 712,893 SNPs for traits, disorders, and parentage verification in dogs.	Contact for pricing	https://www.thermofisher.com/order/catalog/product/550869
Thermo Fisher	Dog	Axiom Canine Genotyping Array Set A	Complex	Features 460,000 SNPs for canine genotyping.	Contact for pricing	https://www.thermofisher.com/order/catalog/product/550771
Thermo Fisher	Dog	Axiom Canine Genotyping Array Set B	Complex	Features 670,000 SNPs for canine genotyping.	Contact for pricing	https://www.thermofisher.com/order/catalog/product/550772
Illumina	Holstein Cow (Bovine)	BovineSNP50 BeadChip	Basic	Contains 54,609 SNPs evenly spaced across the bovine genome, suitable for genome characterization of major dairy and beef cattle breeds including Holstein.	Contact for pricing	https://www.illumina.com/products/by-type/microarray-kits/bovine-snp50.html
Illumina	Holstein Cow (Bovine)	BovineHD BeadChip	Complex	Features over 777,000 SNPs for comprehensive genome-wide genotyping, compatible with any breed including Holstein cows.	Contact for pricing	https://www.illumina.com/products/by-type/microarray-kits/bovinehd.html
Neogen	Holstein Cow (Bovine)	GGP Bovine 100K	Basic/Medium	Includes 100,000 markers with comprehensive content for genetic merit evaluation, genome-wide selection, and parentage verification in beef and dairy breeds including Holstein.	$43 per sample	https://www.neogen.com/en/categories/genotyping-arrays/ggp-bovine-100k/
Neogen	Holstein Cow (Bovine)	GGP Bovine 150K	Complex	High-density array with 150,000 SNPs for elite seedstock, donor dams, and high-impact cattle, suitable for advanced genotyping in Holstein.	Contact for pricing	https://www.neogen.com/en/categories/genotyping-arrays/ggp-bovine-150k/
Thermo Fisher	Holstein Cow (Bovine)	Axiom Bovine Genotyping v3 Array	Basic	Contains 63,988 SNPs for bovine genotyping, applicable to Holstein cows.	Contact for pricing	https://www.thermofisher.com/order/catalog/product/551090
Thermo Fisher	Holstein Cow (Bovine)	Axiom Genome-Wide BOS 1 Bovine Array	Complex	Features 648,855 SNPs for genome-wide bovine genotyping, suitable for Holstein.	Contact for pricing	https://www.thermofisher.com/order/catalog/product/901791

3.2.3 Otros precios no disponibles en México

Usando una VPN se puede tener acceso al catago de precios de los siguientes laboratorios para ganado:

Code

# Cargar datos de estructura de precios
precios <- read_csv("datos_estructura_precios.csv")

# Visualizar márgenes por servicio
p4 <- ggplot(precios, aes(x = reorder(Servicio, -Margen_Total_Porcentaje), 
                          y = Margen_Total_Porcentaje,
                          fill = Competitividad)) +
  geom_bar(stat = "identity") +
  scale_fill_manual(values = c("Alta" = color_positivo, 
                               "Media" = "#F59E0B",
                               "Baja" = color_negativo)) +
  geom_text(aes(label = paste0(Margen_Total_Porcentaje, "%")), 
            vjust = -0.5, size = 3, fontface = "bold") +
  labs(
    title = "Margen Bruto por Servicio",
    subtitle = "Competitividad en el mercado",
    x = "Servicio",
    y = "Margen Bruto (%)",
    fill = "Competitividad",
    caption = "Fuente: Análisis de Estructura de Precios"
  ) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1, size = 9))

ggplotly(p4)

Análisis de Márgenes:

Code

margenes_resumen <- precios %>%
  group_by(Competitividad) %>%
  summarise(
    Servicios = n(),
    Margen_Promedio = round(mean(Margen_Total_Porcentaje), 1),
    Margen_Minimo = min(Margen_Total_Porcentaje),
    Margen_Maximo = max(Margen_Total_Porcentaje),
    .groups = "drop"
  ) %>%
  arrange(desc(Margen_Promedio))

kable(margenes_resumen,
      caption = "Resumen de Márgenes por Competitividad",
      col.names = c("Competitividad", "Cantidad", "Margen Promedio", "Mínimo", "Máximo"),
      booktabs = TRUE) %>%
  kable_styling(bootstrap_options = c("striped", "hover"),
                full_width = TRUE)

Resumen de Márgenes por Competitividad
Competitividad	Cantidad	Margen Promedio	Mínimo	Máximo
Baja	4	100.0	100.00	100
Media	2	34.3	23.53	45
Alta	4	32.8	16.81	47

Los márgenes promedio de 40-50% son viables y competitivos, permitiendo operación rentable mientras se mantienen precios atractivos para clientes.

3.3 Punto de Equilibrio y Viabilidad

Code

# Calcular punto de equilibrio
costos_fijos_mes <- 4000  # USD
margen_promedio <- 25      # USD por prueba

punto_equilibrio <- costos_fijos_mes / margen_promedio

# Proyección de volumen vs punto de equilibrio
meses <- 1:12
volumen_proyectado <- c(10, 20, 40, 80, 160, 320, 640, 800, 900, 1000, 1100, 1200)

proyeccion <- data.frame(
  Mes = meses,
  Volumen = volumen_proyectado,
  Punto_Equilibrio = punto_equilibrio
)

p5 <- ggplot(proyeccion, aes(x = Mes)) +
  geom_line(aes(y = Volumen, color = "Volumen Proyectado"), size = 1.2) +
  geom_hline(aes(yintercept = Punto_Equilibrio, color = "Punto de Equilibrio"), 
             linetype = "dashed", size = 1) +
  geom_point(aes(y = Volumen), size = 3, color = color_ganado) +
  scale_color_manual(values = c("Volumen Proyectado" = color_ganado,
                                "Punto de Equilibrio" = color_negativo)) +
  labs(
    title = "Proyección de Volumen vs Punto de Equilibrio",
    subtitle = "Pruebas mensuales - Año 1",
    x = "Mes",
    y = "Número de Pruebas",
    color = "Métrica",
    caption = "Fuente: Análisis Financiero"
  ) +
  theme(legend.position = "bottom")

ggplotly(p5)

El punto de equilibrio se alcanza en el mes 5 con ~160 pruebas/mes. La proyección muestra viabilidad operacional con crecimiento gradual.

4 Parte 3: Estrategia de Precios Competitivos

4.1 Estructura de Precios Recomendada

Code

# Cargar estructura de precios
precios_det <- read_csv("datos_estructura_precios.csv") %>%
  select(Servicio, Costo_Proveedor_USD, Costo_extración_ADN_USD,Margen_Logistica_USD, Margen_Analisis_USD, Precio_Final_USD, Margen_Neto_USD)

# Mostrar tabla de precios
kable(precios_det,
      caption = "Estructura Detallada de Precios y Márgenes",
      col.names = c("Servicio", "Costo Proveedor", "Costo Extracción ADN","Margen Logística", 
                    "Margen Análisis", "Precio Final", "Margen Neto"),
      booktabs = TRUE) %>%
  kable_styling(bootstrap_options = c("striped", "hover"),
                full_width = TRUE,
                font_size = 9)

Estructura Detallada de Precios y Márgenes
Servicio	Costo Proveedor	Costo Extracción ADN	Margen Logística	Margen Análisis	Precio Final	Margen Neto
Prueba Básica Perro	99	93	8	12	212	20
Prueba Estándar Perro	103	93	12	18	226	30
Prueba Premium Perro	130	93	15	25	263	40
Prueba Básica Holstein	30	93	10	15	148	25
Prueba Estándar Holstein	43	93	15	20	168	35
Prueba Premium Holstein	60	93	20	30	203	50
Reporte Personalizado Perro	0	0	50	100	150	150
Reporte Personalizado Holstein	0	0	75	150	225	225
Consultoría Genética Perro	0	0	100	200	300	300
Consultoría Genética Holstein	0	0	150	350	500	500

Estrategia de Pricing:

Competitividad: Precios 100% superiores a proveedores directos, justificado por valor agregado. Precio a bajar al hacer alianzas y convenios.
Diferenciación: Margen adicional por logística integrada y análisis personalizado
Segmentación: Precios escalonados por tipo de cliente (B2C vs B2B)
Volumen: Descuentos por volumen comprometido (>1,000 pruebas/mes)

4.2 Comparación con Competencia Directa

Code

comparacion_precios <- data.frame(
  Servicio = c("Identificación Raza Perro", "Salud Genética Perro",
               "Identificación Raza Ganado", "Producción Lechera Ganado"),
  Proveedor_Directo = c(40, 55, 45, 65),
  Tu_Empresa = c(45, 65, 55, 75),
  Diferencial = c(5, 10, 10, 10),
  Justificacion = c(
    "Logística + Análisis",
    "Logística + Análisis + Educación",
    "Logística + Certificación",
    "Logística + Consultoría"
  )
)

kable(comparacion_precios,
      caption = "Comparación de Precios: Tu Empresa vs Proveedores Directos",
      col.names = c("Servicio", "Proveedor Directo", "Tu Empresa", 
                    "Diferencial USD", "Justificación"),
      booktabs = TRUE) %>%
  kable_styling(bootstrap_options = c("striped", "hover"),
                full_width = TRUE,
                font_size = 10)

Comparación de Precios: Tu Empresa vs Proveedores Directos
Servicio	Proveedor Directo	Tu Empresa	Diferencial USD	Justificación
Identificación Raza Perro	40	45	5	Logística + Análisis
Salud Genética Perro	55	65	10	Logística + Análisis + Educación
Identificación Raza Ganado	45	55	10	Logística + Certificación
Producción Lechera Ganado	65	75	10	Logística + Consultoría

5 Parte 4: Plan de Integración de Proveedores con Clientes

5.1 Modelo de Tres Capas

graph TD
    A["CLIENTES (B2C y B2B)<br>• Propietarios mascotas<br>• Criadores<br>• Ganaderos<br>• Instituciones"]
    B["OMICs analysis<br>──────────────<br>• Logística<br>• Análisis<br>• Plataforma<br>• Educación"]
    C["PROVEEDORES (Laboratorios)<br>• Neogen Igenity<br>• Amplicare Lab<br>• ABS Global<br>• Otros"]

    A --> B
    B --> C

5.2 Selección de Proveedores

Code

# Cargar datos de proveedores
proveedores <- read_csv("datos_proveedores_potenciales.csv")

# Mostrar tabla de proveedores
kable(proveedores %>% select(Proveedor, Tipo, Especialidad, Cobertura_Geografica, 
                             Capacidad_Mensual, Costo_Prueba_USD, Tiempo_Procesamiento_Dias),
      caption = "Proveedores Potenciales: Características Clave",
      col.names = c("Proveedor", "Tipo", "Especialidad", "Cobertura", 
                    "Capacidad/Mes", "Costo USD", "Tiempo (días)"),
      booktabs = TRUE) %>%
  kable_styling(bootstrap_options = c("striped", "hover"),
                full_width = TRUE,
                font_size = 9)

Proveedores Potenciales: Características Clave
Proveedor	Tipo	Especialidad	Cobertura	Capacidad/Mes	Costo USD	Tiempo (días)
Neogen Igenity	Global	Perros y Ganado	Latinoamérica	50000	25-35	7-10
ABS Global De Novo	Global	Ganado Holstein	Latinoamérica	30000	28-38	7-10
Amplicare Lab	Regional	Perros y Ganado	México	15000	22-32	5-7
Zoetis Genetics	Global	Perros y Ganado	Latinoamérica	40000	26-36	7-10
VetGen	Regional	Perros	USA/Latinoamérica	20000	20-30	5-7
Embark Genomics	Regional	Perros	USA	30000	18-28	5-7
UC Davis VGL	Regional	Perros	USA	25000	19-29	5-7
Geneseek	Regional	Ganado	USA	20000	25-35	7-10
Hendrix Genetics	Global	Ganado	Latinoamérica	25000	30-40	7-10
Associação Holstein Brasil	Regional	Ganado	Brasil	10000	24-34	7-10

Recomendación de Proveedores:

Primario: Neogen Igenity (capacidad, confiabilidad, cobertura regional)
Secundario: Amplicare Lab (velocidad, costo, presencia local)
Respaldo: ABS Global para ganado especializado

5.3 Estrategia de Negociación

Code

negociacion <- data.frame(
  Aspecto = c(
    "Volumen Comprometido",
    "Términos de Pago",
    "SLA Tiempo",
    "SLA Precisión",
    "Exclusividad Regional",
    "Descuento Volumen"
  ),
  Objetivo = c(
    "1,000+ pruebas/mes",
    "30-45 días",
    "Máximo 10 días",
    "Mínimo 99.5%",
    "Latinoamérica",
    "15-20% descuento"
  ),
  Beneficio = c(
    "Costo reducido a USD 28/prueba",
    "Cash flow positivo",
    "Entrega rápida a clientes",
    "Confiabilidad de resultados",
    "Posición única de mercado",
    "Margen mejorado"
  )
)

kable(negociacion,
      caption = "Estrategia de Negociación con Proveedores",
      booktabs = TRUE) %>%
  kable_styling(bootstrap_options = c("striped", "hover"),
                full_width = TRUE)

Estrategia de Negociación con Proveedores
Aspecto	Objetivo	Beneficio
Volumen Comprometido	1,000+ pruebas/mes	Costo reducido a USD 28/prueba
Términos de Pago	30-45 días	Cash flow positivo
SLA Tiempo	Máximo 10 días	Entrega rápida a clientes
SLA Precisión	Mínimo 99.5%	Confiabilidad de resultados
Exclusividad Regional	Latinoamérica	Posición única de mercado
Descuento Volumen	15-20% descuento	Margen mejorado

6 Parte 5: Productos y Servicios

6.1 Cartera de Productos por Fase

Code

# Cargar datos de productos
productos <- read_csv("datos_productos_servicios.csv")

# Mostrar productos por fase
kable(productos %>% select(Producto_Servicio, Mercado_Objetivo, Precio_USD, 
                          Margen_Bruto_Porcentaje, Fase_Lanzamiento, Demanda_Estimada),
      caption = "Cartera de Productos y Servicios",
      col.names = c("Producto/Servicio", "Mercado Objetivo", "Precio USD", 
                    "Margen %", "Fase Lanzamiento", "Demanda"),
      booktabs = TRUE) %>%
  kable_styling(bootstrap_options = c("striped", "hover"),
                full_width = TRUE,
                font_size = 9)

Cartera de Productos y Servicios
Producto/Servicio	Mercado Objetivo	Precio USD	Margen %	Fase Lanzamiento	Demanda
Prueba Identificación Raza Perro	Propietarios mascotas	45	44	Mes 1	Alta
Prueba Salud Genética Perro	Criadores y veterinarios	65	46	Mes 1	Alta
Prueba Compatibilidad Reproductiva Perro	Criadores	80	50	Mes 2	Media
Prueba Identificación Raza Ganado	Ganaderos	55	45	Mes 1	Alta
Prueba Producción Lechera Ganado	Ganaderos especializados	75	47	Mes 1	Alta
Prueba Resistencia Enfermedades Ganado	Ganaderos	70	46	Mes 2	Media
Plataforma Gestión Genética Perro	Criadores y veterinarios	80	100	Mes 3	Media
Plataforma Gestión Genética Ganado	Ganaderos	100	100	Mes 3	Media
Reporte Personalizado Perro	Propietarios premium	150	100	Mes 2	Media
Reporte Personalizado Ganado	Ganaderos	225	100	Mes 2	Media
Consultoría Genética Perro	Criadores profesionales	300	100	Mes 4	Baja
Consultoría Genética Ganado	Ganaderos grandes	500	100	Mes 4	Baja
Integración Laboratorios Veterinarios	Laboratorios	200	100	Mes 5	Media
White-label Plataforma	Plataformas digitales	1000	100	Mes 6	Baja
Análisis Poblacional Agregado	Instituciones investigación	10000	100	Mes 6	Baja

6.2 Ingresos Potenciales por Producto

Code

# Calcular ingresos potenciales
productos_ingresos <- productos %>%
  mutate(Ingresos_Potenciales = Precio_USD * 100) %>%  # Asumiendo 100 unidades/mes
  arrange(desc(Ingresos_Potenciales))

p6 <- ggplot(productos_ingresos %>% head(10), 
             aes(x = reorder(Producto_Servicio, -Ingresos_Potenciales),
                 y = Ingresos_Potenciales,
                 fill = Fase_Lanzamiento)) +
  geom_bar(stat = "identity") +
  scale_fill_manual(values = c("Mes 1" = color_positivo,
                               "Mes 2" = "#F59E0B",
                               "Mes 3" = "#8B5CF6",
                               "Mes 4" = "#EC4899",
                               "Mes 5" = "#14B8A6",
                               "Mes 6" = "#06B6D4")) +
  geom_text(aes(label = paste0("$", Ingresos_Potenciales/1000, "K")),
            vjust = -0.5, size = 3) +
  labs(
    title = "Ingresos Potenciales por Producto (100 unidades/mes)",
    x = "",
    y = "Ingresos Potenciales (USD)",
    fill = "Fase de Lanzamiento",
    caption = "Fuente: Análisis de Productos"
  ) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1, size = 9))

ggplotly(p6)

7 Parte 6: Proyección Financiera

7.1 Escenarios de Crecimiento

Code

# Proyección financiera
proyeccion_fin <- data.frame(
  Año = c(1, 2, 3),
  Pruebas_Totales = c(13000, 45000, 85000),
  Ingresos = c(875000, 2850000, 5100000),
  Costos_Variables = c(520000, 1800000, 3400000),
  Costos_Fijos = c(342000, 400000, 450000),
  EBITDA = c(13000, 650000, 1250000),
  Margen_EBITDA = c(1.5, 22.8, 24.5)
)

kable(proyeccion_fin,
      caption = "Proyección Financiera - Escenario Base (3 Años)",
      col.names = c("Año", "Pruebas Totales", "Ingresos USD", "Costos Variables USD",
                    "Costos Fijos USD", "EBITDA USD", "Margen EBITDA %"),
      booktabs = TRUE) %>%
  kable_styling(bootstrap_options = c("striped", "hover"),
                full_width = TRUE,
                font_size = 10)

Proyección Financiera - Escenario Base (3 Años)
Año	Pruebas Totales	Ingresos USD	Costos Variables USD	Costos Fijos USD	EBITDA USD	Margen EBITDA %
1	13000	875000	520000	342000	13000	1.5
2	45000	2850000	1800000	400000	650000	22.8
3	85000	5100000	3400000	450000	1250000	24.5

7.2 Visualización de Crecimiento

Code

p7 <- ggplot(proyeccion_fin, aes(x = Año)) +
  geom_line(aes(y = Ingresos/1000000, color = "Ingresos"), size = 1.2) +
  geom_line(aes(y = EBITDA/1000000, color = "EBITDA"), size = 1.2) +
  geom_point(aes(y = Ingresos/1000000), size = 4, color = color_ganado) +
  geom_point(aes(y = EBITDA/1000000), size = 4, color = color_positivo) +
  scale_color_manual(values = c("Ingresos" = color_ganado, "EBITDA" = color_positivo)) +
  labs(
    title = "Proyección de Ingresos y EBITDA",
    subtitle = "Escenario Base - 3 Años",
    x = "Año",
    y = "Millones USD",
    color = "Métrica",
    caption = "Fuente: Análisis Financiero"
  ) +
  theme(legend.position = "bottom")

ggplotly(p7)

7.3 Análisis de Sensibilidad

Code

sensibilidad <- data.frame(
  Escenario = c("Pesimista (-30%)", "Base", "Optimista (+30%)"),
  Año_1_EBITDA = c(-150000, 13000, 200000),
  Año_2_EBITDA = c(200000, 650000, 900000),
  Año_3_EBITDA = c(700000, 1250000, 1800000),
  Viabilidad = c("Requiere capital adicional", "Viable, equilibrio mes 5", "Muy viable, rápida escalabilidad")
)

kable(sensibilidad,
      caption = "Análisis de Sensibilidad - Escenarios de Crecimiento",
      col.names = c("Escenario", "Año 1 EBITDA", "Año 2 EBITDA", "Año 3 EBITDA", "Evaluación"),
      booktabs = TRUE) %>%
  kable_styling(bootstrap_options = c("striped", "hover"),
                full_width = TRUE,
                font_size = 10)

Análisis de Sensibilidad - Escenarios de Crecimiento
Escenario	Año 1 EBITDA	Año 2 EBITDA	Año 3 EBITDA	Evaluación
Pesimista (-30%)	-150000	200000	700000	Requiere capital adicional
Base	13000	650000	1250000	Viable, equilibrio mes 5
Optimista (+30%)	200000	900000	1800000	Muy viable, rápida escalabilidad

8 Parte 7: Recomendaciones Finales

8.1 Decisiones Estratégicas Clave

Enfoque Dual es Óptimo: Comenzar con perros para volumen y validación, agregar ganado para margen y estabilidad. Ambos mercados son viables y complementarios.
Modelo de Logística + Análisis es Diferenciador: No compites en precio con proveedores directos, sino en conveniencia, educación y servicio. Márgenes de 40-50% son realistas.
Estructura de Precios es Competitiva: Precios 10-20% superiores a proveedores directos están justificados y son aceptados por el mercado.
Diversificación de Proveedores Reduce Riesgo: Neogen como primario, Amplicare como secundario, ABS Global como respaldo.

8.2 Factores Críticos de Éxito

Factor	Importancia	Acción
Excelencia en Logística	Crítica	Invertir en infraestructura, procesos, tracking
Análisis de Datos de Calidad	Crítica	Contratar expertos, validar resultados
Experiencia del Cliente	Crítica	Plataforma intuitiva, soporte responsivo
Relaciones Estratégicas	Alta	Alianzas con asociaciones, veterinarios
Gestión Financiera	Alta	Control de costos, monitoreo de márgenes

8.3 Plan de Implementación (12 Meses)

Meses 1-2: Preparación - Validar demanda con encuestas - Negociar con proveedores - Desarrollar plataforma MVP - Definir estructura legal

Meses 3-4: Lanzamiento Piloto - Lanzamiento con 500 clientes piloto - Enfoque: Perros en México - Objetivo: Validar modelo, recolectar feedback

Meses 5-6: Expansión Fase 1 - Lanzamiento en Brasil y Argentina - Adición de pruebas de ganado - Objetivo: Alcanzar punto de equilibrio

Meses 7-9: Expansión Fase 2 - Lanzamiento de plataformas de gestión - Adición de servicios de consultoría - Alianzas con asociaciones

Meses 10-12: Consolidación - Lanzamiento de productos premium - Integración con laboratorios veterinarios - Expansión a Colombia y otros países

8.4 Inversión Inicial Requerida

Code

inversion <- data.frame(
  Concepto = c(
    "Desarrollo plataforma digital",
    "Infraestructura (oficina, almacén)",
    "Equipamiento",
    "Diseño de kits de recolección",
    "Licencias y seguros",
    "Marketing inicial",
    "Capital de trabajo (3 meses)",
    "TOTAL"
  ),
  Costo_USD = c(30000, 20000, 10000, 5000, 5000, 10000, 85500, 165500)
)

kable(inversion,
      caption = "Inversión Inicial Requerida",
      col.names = c("Concepto", "Costo USD"),
      booktabs = TRUE) %>%
  kable_styling(bootstrap_options = c("striped", "hover"),
                full_width = TRUE)

Inversión Inicial Requerida
Concepto	Costo USD
Desarrollo plataforma digital	30000
Infraestructura (oficina, almacén)	20000
Equipamiento	10000
Diseño de kits de recolección	5000
Licencias y seguros	5000
Marketing inicial	10000
Capital de trabajo (3 meses)	85500
TOTAL	165500

9 Conclusión

El modelo de negocio propuesto es viable, diferenciado y rentable. Los mercados de perros y ganado son complementarios, con oportunidades significativas. La estructura de precios permite márgenes saludables (40-50%) mientras se mantiene competitividad. El plan de integración de proveedores con clientes es operacionalmente factible.

Recomendación: Proceder con implementación, comenzando con fase piloto en perros (México) para validar modelo, luego expandir a ganado y otros países.

Fecha de elaboración: 12 de noviembre de 2025

Nota: Este análisis se basa en datos de 2024-2025 de fuentes públicas confiables. Las proyecciones asumen continuidad de tendencias actuales y estabilidad macroeconómica relativa.